論文の概要: Automating lookahead planning using site appearance and space
utilization
- arxiv url: http://arxiv.org/abs/2311.18361v1
- Date: Thu, 30 Nov 2023 09:02:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-01 17:16:49.436904
- Title: Automating lookahead planning using site appearance and space
utilization
- Title(参考訳): 現場外観と空間利用を用いた視線自動設計
- Authors: Eyob Mengiste, Borja Garcia de Soto, Timo Hartmann
- Abstract要約: 提案手法は建設資材条件(外観)と現場空間利用を用いて作業完了率を予測する。
GRU(Gated Recurrent Unit)ベースのRecurrent Neural Network(RNN)モデルを建設プロジェクトタイムラインのセグメントを用いてトレーニングした。
その結果,提案手法は自動ルックアヘッド計画の開発に有効であることが示唆された。
- 参考スコア(独自算出の注目度): 1.2277343096128712
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: This study proposes a method to automate the development of lookahead
planning. The proposed method uses construction material conditions (i.e.,
appearances) and site space utilization to predict task completion rates. A
Gated Recurrent Unit (GRU) based Recurrent Neural Network (RNN) model was
trained using a segment of a construction project timeline to estimate
completion rates of tasks and propose data-aware lookahead plans. The proposed
method was evaluated in a sample construction project involving finishing works
such as plastering, painting, and installing electrical fixtures. The results
show that the proposed method can assist with developing automated lookahead
plans. In doing so, this study links construction planning with actual events
at the construction site. It extends the traditional scheduling techniques and
integrates a broader spectrum of site spatial constraints into lookahead
planning.
- Abstract(参考訳): 本研究では,視線計画の自動化手法を提案する。
提案手法では,作業完了率の予測に建築材料条件(外観)と現場空間利用を利用する。
作業完了率を推定し,データ認識型ルックアヘッド計画を提案するため,建設プロジェクトタイムラインのセグメントを用いてゲート型リカレントユニット(gru)ベースのリカレントニューラルネットワーク(rnn)モデルを訓練した。
提案手法は, 製版, 塗装, 電気器具の設置などの仕上げ工事を含むサンプル建設プロジェクトにおいて評価された。
その結果,提案手法は自動ルックアヘッド計画の開発を支援することができることがわかった。
そこで本研究では,建設現場における建設計画と実際のイベントを関連づける。
従来のスケジューリング手法を拡張し、広い範囲の空間的制約をルックアヘッド計画に統合する。
関連論文リスト
- Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳(メタデータ) (2023-12-02T10:07:17Z) - Compositional Foundation Models for Hierarchical Planning [52.18904315515153]
本稿では,言語,視覚,行動データを個別に訓練し,長期的課題を解決するための基礎モデルを提案する。
我々は,大規模なビデオ拡散モデルを用いて,環境に根ざした記号的計画を構築するために,大規模言語モデルを用いている。
生成したビデオプランは、生成したビデオからアクションを推論する逆ダイナミクスモデルを通じて、視覚運動制御に基礎を置いている。
論文 参考訳(メタデータ) (2023-09-15T17:44:05Z) - A Planning Ontology to Represent and Exploit Planning Knowledge for
Performance Efficiency [10.075789639396465]
我々は,エージェントを世界の初期状態から望ましい目標状態へ移動させる一連の行動を見つけることを目的として,自動計画の問題を考える。
利用可能なプランナと多様なプランナドメインが多数用意されていると仮定し、適切なプランナを特定し、ドメインのパフォーマンスを向上させるために活用できる不可欠な情報を持っている。
論文 参考訳(メタデータ) (2023-07-25T14:51:07Z) - Learning Reconstructability for Drone Aerial Path Planning [51.736344549907265]
本研究では,無人ドローンを用いた大規模3次元都市景観獲得のためのビューとパスプランニングを改善するための,学習に基づく最初の再構成可能性予測器を提案する。
従来の手法とは対照的に,本手法では,一組の視点から3次元都市景観をいかによく再構築するかを明示的に予測するモデルを学習する。
論文 参考訳(メタデータ) (2022-09-21T08:10:26Z) - Position Paper: Online Modeling for Offline Planning [2.8326418377665346]
AI計画研究の重要な部分はアクションモデルの表現である。
この分野の成熟にもかかわらず、AI計画技術は研究コミュニティの外ではめったに使われない。
これは、モデリングプロセスが計画プロセスの前に行われ、完了したと仮定されているためである、と我々は主張する。
論文 参考訳(メタデータ) (2022-06-07T14:48:08Z) - Construction material classification on imbalanced datasets for
construction monitoring automation using Vision Transformer (ViT)
architecture [0.0]
建設における自動化のスコープは幅広い段階を含み、建設プロジェクトを監視することは例外ではない。
本稿では,視覚変換器(ViT)と呼ばれる新しいディープラーニングアーキテクチャを用いて,建設材料の検出と分類を行う。
得られた結果から,すべてのパラメータおよび材料カテゴリーで100%の精度が得られた。
論文 参考訳(メタデータ) (2021-08-21T15:29:56Z) - Neural Architecture Search From Fr\'echet Task Distance [50.9995960884133]
与えられたベースラインタスクのセット内の対象タスクと各タスクの間の距離を、ターゲットタスクのニューラルネットワークアーキテクチャ検索スペースを減らすためにどのように使用できるかを示す。
タスク固有のアーキテクチャに対する検索空間の複雑さの低減は、このサイド情報を用いることなく完全な検索を行う代わりに、類似したタスクのために最適化されたアーキテクチャ上に構築することで達成される。
論文 参考訳(メタデータ) (2021-03-23T20:43:31Z) - Graph-Based Generative Representation Learning of Semantically and
Behaviorally Augmented Floorplans [12.488287536032747]
本稿では,アトリビュートグラフを用いて幾何学的情報を表現するフロアプラン埋め込み手法と,ノード属性やエッジ属性として住民のセマンティクスや行動特徴をデザインする手法を提案する。
長短期記憶(LSTM)変動オートエンコーダ(VAE)アーキテクチャを提案し,連続空間に属性グラフをベクトルとして埋め込むように訓練した。
入力に対する埋め込み空間から得られた類似のフロアプランの結合度を評価するために,ユーザ調査を行った。
論文 参考訳(メタデータ) (2020-12-08T20:51:56Z) - Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。
Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。
1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文 参考訳(メタデータ) (2020-05-07T17:52:23Z) - Latent Space Roadmap for Visual Action Planning of Deformable and Rigid
Object Manipulation [74.88956115580388]
プランニングは、イメージを埋め込んだ低次元の潜在状態空間で行われる。
我々のフレームワークは2つの主要なコンポーネントで構成されており、画像のシーケンスとして視覚的な計画を生成するビジュアル・フォレスト・モジュール(VFM)と、それら間のアクションを予測するアクション・プロポーザル・ネットワーク(APN)である。
論文 参考訳(メタデータ) (2020-03-19T18:43:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。